项目名称: 基于仿生学原理的恶意代码判定与防护模型研究

项目编号: No.61472447

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 自动化技术、计算机技术

项目作者: 庞建民

作者单位: 中国人民解放军战略支援部队信息工程大学

项目金额: 80万元

中文摘要: 随着我国信息化建设的持续深入,信息安全形势日益严峻,恶意代码作为信息安全面临的主要威胁之一,其判定与防御方法一直是各安全团队的研究重点。但是现有方法存在对于新兴恶意代码难以有效识别,需要安全专业人员的人工介入,对恶意代码威胁响应不及时等问题。本课题借鉴仿生学原理中的认知理论、免疫理论以及自主神经理论,探索仿生学原理在恶意代码判定与防御领域的应用,课题主要研究三方面的问题:一是基于认知理论的恶意代码判定,深度挖掘代码行为,准确判定新兴代码恶意性;二是基于免疫理论的恶意代码防御策略最优匹配,在无需人工介入的情况下选择能够有效对抗恶意代码的防御策略;三是基于自主神经系统的恶意代码判定与防御模型,对防御策略加以自适应应用,及时响应恶意代码威胁。通过本课题的研究,能够提高恶意代码判定与防御的智能化、自动化、一体化程度,进而保证恶意代码判定的准确性,防御的有效性、及时性。

中文关键词: 仿生学;恶意代码;认知;免疫;自主神经

英文摘要: With the continuous deep-going of China's informationalization , information security is increasingly in grim situation. One of the main threats faced by information security is malicious code. And its determination and defense approach has been the focus of various security research teams. However, existing methods have several weakpoints, such as the difficulty to effectively identify emerging malicious code, security professionals require manual intervention , the threat of malicious code is not timely responded etc. This topic learns bionics in cognitive theory, immune theory and autonomic nervous theory to explore the application of principles of bionics in the field of malicious code determination and defense applications. The main research topics consist three aspects: First, the determination of malicious code based on cognitive theory. With excavation code behavior in depth to determine the nature of emerging malicious code accurately. Second, the optimal matching of defense strategy based on the theory of immunity to make the the choice of defense strategy effectively against malicious code without human intervention. Third, malicious code determination and defense model based on the autonomic nervous. With the applications of adaptive strategies the model could respond to malicious code threats timely. By studying this topic , we could improve the intelligence, automation, integration degree of malicious code determination and defense, and guarantee the accuracy of determining and the validity and timeliness of malicious code defense.

英文关键词: bionics;malware;cognition;immunization;autonomic neural system

成为VIP会员查看完整内容
2

相关内容

【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
86+阅读 · 2022年4月17日
对抗机器学习在网络入侵检测领域的应用
专知会员服务
32+阅读 · 2022年1月4日
专知会员服务
13+阅读 · 2021年9月12日
专知会员服务
44+阅读 · 2021年5月17日
深度学习赋能的恶意代码攻防研究进展
专知会员服务
28+阅读 · 2021年4月11日
专知会员服务
89+阅读 · 2021年1月17日
专知会员服务
95+阅读 · 2020年12月8日
【复旦大学-SP2020】NLP语言模型隐私泄漏风险
专知会员服务
24+阅读 · 2020年4月20日
Capsule Networks,胶囊网络,57页ppt,布法罗大学
专知会员服务
66+阅读 · 2020年2月29日
对抗机器学习在网络入侵检测领域的应用
深度学习赋能的恶意代码攻防研究进展
专知
1+阅读 · 2021年4月11日
已删除
将门创投
12+阅读 · 2018年6月25日
最大熵原理(一)
深度学习探索
12+阅读 · 2017年8月3日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
46+阅读 · 2021年10月4日
小贴士
相关主题
相关VIP内容
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
86+阅读 · 2022年4月17日
对抗机器学习在网络入侵检测领域的应用
专知会员服务
32+阅读 · 2022年1月4日
专知会员服务
13+阅读 · 2021年9月12日
专知会员服务
44+阅读 · 2021年5月17日
深度学习赋能的恶意代码攻防研究进展
专知会员服务
28+阅读 · 2021年4月11日
专知会员服务
89+阅读 · 2021年1月17日
专知会员服务
95+阅读 · 2020年12月8日
【复旦大学-SP2020】NLP语言模型隐私泄漏风险
专知会员服务
24+阅读 · 2020年4月20日
Capsule Networks,胶囊网络,57页ppt,布法罗大学
专知会员服务
66+阅读 · 2020年2月29日
相关资讯
对抗机器学习在网络入侵检测领域的应用
深度学习赋能的恶意代码攻防研究进展
专知
1+阅读 · 2021年4月11日
已删除
将门创投
12+阅读 · 2018年6月25日
最大熵原理(一)
深度学习探索
12+阅读 · 2017年8月3日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员